Sistemas adaptativos de inferencia neurodifusa con errores heterocedásticos para el modelado de series financieras

Neste trabalho propõem-se uma nova classe de modelos híbridos não lineais. No modelo proposto, a não linearidade em média representa-se utilizando um sistema adaptativo de nevro difusão de inferência (ANFIS, por sua sigla em inglês), enquanto a variação se representa usando um componente auto-regres...

Full description

Autores:: Zapata Gómez, Elizabeth Catalina
Velásquez Henao, Juan David
Smith Quintero, Ricardo Agustín

Tipo de recurso:: Article of journal

Fecha de publicación:: 2008

Institución:: Pontificia Universidad Javeriana

Repositorio:: Repositorio Universidad Javeriana

Idioma:: spa

Description
Summary:	Neste trabalho propõem-se uma nova classe de modelos híbridos não lineais. No modelo proposto, a não linearidade em média representa-se utilizando um sistema adaptativo de nevro difusão de inferência (ANFIS, por sua sigla em inglês), enquanto a variação se representa usando um componente auto-regressivo heterecedástico condicional. Apresenta-se a formulação matemática deste tipo de modelos e propõem-se um método para sua estimação; adicionalmente, desenvolve-se para o modelo proposto uma estratégia de especificação baseada em uma bateria de provas estatísticas que incluem provas para a especificação dos modelos de regressão com transição suave (STR, por sua sigla em inglês), e a prova de rádio de verosimilitude. Como um caso de estudo, modela-se a dinâmica da série dos câmbios nos câmbios nos preços de feixe nas ações de IBM, a qual utiliza-se comummente como referente na literatura de séries de tempo. Os resultados indicam que o modelo desenvolvido representa melhor que outros modelos de características similares a dinâmica da série estudada.

Sistemas adaptativos de inferencia neurodifusa con errores heterocedásticos para el modelado de series financieras

Publicaciones similares